地方电厂对区域负荷建模的影响
电力系统负荷预测中存在的问题及探讨
电力系统负荷预测中存在的问题及探讨摘要：作为一项基础性的工作，电力负荷预测不管使用经典的方法还是现代的理论方式，预测工作都是对历史负荷的分析处理。
电力系统负荷预测工作的顺利实施，能够有效促进电力系统的健康可持续发展。
鉴于此，本文就电力系统负荷预测中存在的问题展开探讨，以期为相关工作起到参考作用。
关键词：电力负荷预测；核心问题；电力负荷研究1.负荷预测负荷预测是从已知的用电条件，同时根据系统的运行特征，增容决策和经济政治气候等相关因素，在满足其精度要求的条件下，满足未来某一特定时刻的负荷数据。
负荷指的就是电力的需求量。
进行负荷预测的目的是为了了解各个供电区每年的电量使用的规划和其负荷发展的水平状况。
负荷预测是电网中长期发展规划的重要判据。
2.负荷预测在电网规划中的作用虽然电网的规划规模并不是很大，但是对于负荷预测工作来说，这仍然是一种很繁琐的工作。
对于目前的电力发展形势来看，判断一个电力企业是否走向了现代化的发展其中一个重要的标准就看其负荷预测的水平如如何。
电力系统负荷预测的具体作用可以负荷预测中时间的长短来定。
一般可以分为超短期，短期，中期和长期四种。
中长期负荷预测通常指的是5-10年内的负荷预测量。
中长期负荷预测可以帮助制定电源的建设规划与电网的规划增容和改建并对新的发电机的组的安装具有重要意义。
是电力规划部门的重要工作。
随着近些年来社会的快速发展，计算技术也越来越先进，越来越多复杂人工难以操作的预测方法可以通过先进的技术进行预测，同时，负荷预测的手段也逐渐发展成为运用软件计算的方法进行预测。
这使得负荷预测的方法和手段都大大的提升，但是要做到非常科学精确地预算还是有一定的难度。
3.电力负荷预测中普遍存在的问题长期以来，负荷预测领域关注和研究的核心问题是预测的技术方法，或者说是预测的数学模型。
尽管这些模型与方法是先进的，但再复杂的数学模型也不能贴切描述负荷变化，负荷预测人员在实际工作中普遍存在如下问题：（1）对复杂数学模型、数学公式的理解程度及理论转化为实际的能力不同，对预测模型、算法等感到困惑和无法操作。
电力系统中的电力负荷建模与预测
电力系统中的电力负荷建模与预测概述电力负荷的准确建模与预测是电力系统运行和规划中的关键问题。
它不仅对电网的稳定运行和资源优化具有重要意义，还对新能源发展、能源消耗的节约以及电力市场的运行等产生深远影响。
本文将从电力负荷的建模方法、预测技术以及应用领域等方面进行论述，旨在全面介绍电力负荷建模与预测的相关内容。
电力负荷建模方法电力负荷建模是对电力负荷进行数学或统计方法描述的过程。
为了准确地模拟和预测电力负荷的变化，需要综合考虑多个因素，如时间、天气、经济和社会等。
以下是几种常见的电力负荷建模方法。
1. 统计建模统计建模是利用历史数据对电力负荷进行建模和预测的方法之一。
该方法通过分析历史数据的变化趋势和周期性，运用数学统计学的知识来建立模型。
常见的统计建模方法包括时间序列分析、回归分析和灰色系统理论等。
这些方法能够较好地捕捉到电力负荷的变化规律，但对于异常情况（如节假日、突发事件）的预测能力有限。
2. 人工智能建模人工智能建模是近年来应用广泛的一种电力负荷建模方法。
它利用人工智能算法，通过对大量数据的学习和训练，构建出适应性较好的负荷预测模型。
人工智能方法包括神经网络、支持向量机和遗传算法等，并且可以根据实际需要灵活选用不同的算法。
相比于传统的统计方法，人工智能方法更具有适应性和鲁棒性，能够更好地处理非线性和非稳态的负荷数据。
电力负荷预测技术电力负荷预测是对未来一段时间内电力负荷进行估计的过程。
准确的负荷预测有助于电网的运行调度和电力市场的交易决策。
以下是几种常见的电力负荷预测技术。
1. 基于统计学方法的负荷预测基于统计学方法的负荷预测是一种常见且有效的预测技术。
通过对历史数据的分析，结合时间序列分析、回归模型等统计学方法，对未来的负荷进行预测。
这种方法较为简单，计算速度快，适用于确定性负荷预测，但对于非线性和非稳态的负荷数据效果较差。
2. 基于人工智能方法的负荷预测基于人工智能方法的负荷预测是近年来研究热点之一。
试析电力市场环境下的负荷预测
试析电力市场环境下的负荷预测摘要：在电力企业中，电能的生产、输送、分配和消费是组成一个体系的，并且其实同时进行的，因此，其整体的每一个环节都是难以储存的，所以，必须在电力市场环境下注重对负荷预测的研究。
本文针对电力市场环境下的负荷预测探析，以供参考。
关键词：电力市场环境；负荷预测1负荷预测的含义及意义伴随社会的不断发展，电力工业作为国民经济支柱产业，直接影响生产生活。
而要想确保电力市场需求的有效满足，奠定电力系统规划建设的良好基础，负荷预测是根本，负荷预测直接决定电力投资、网络布局及运行的合理性稳定性。
做好负荷预测研究是城市发展规划的重要内容。
就电力系统而言，负荷指的是电力需求量，是能量对比时间的变化率，负荷预测有两方面的解读。
既是对未来电力用量的预测也是对未来电力需求量的预测，奠定电力系统安全运行的前提。
随着经济的持续稳定发展，电力需求旺盛，提供高质量、稳定的电力供应已经成为电力系统关注的首要问题，因此该背景下做好电力负荷的预测分析具有重要意义。
而负荷预测的研究关注重点在于负荷预测方法的创新改进及当前市场环境下的电力需求满足。
2负荷预测在工作中起关键作用随着经济的不断发展，电力工业也发生了很大的变化，其不再有以前那么紧张，但是其作为一种商品，融入市场因素是必然的。
电力局作为营销电力的主要部门，其需要完成3个指标，即网供电量、负荷预测及低谷电量比。
而负荷预测又是最为关键的因素，做好负荷预测可以使电力局以较低的价格购电。
所以，负荷预测在电力局整个运营过程中起举足重轻的作用。
①电力系统的生产运行就是以负荷预测为基础的。
工作人员为了做到对发电厂的电力提前预测，就必须估测好发电机组的出力情况。
这些都是以负荷预测为基础的。
②电力系统安全经济也要以负荷预测为基础。
偌大的电网，如果要确保既节约又合理地安排好各发电机组的工作，那么，负荷预测是必不可少的环节。
③模拟电力市场的运营也要以负荷预测为基础。
负荷预测准确与否关系重大，它不光会影响电能的质量，还会给用户和电力局造成巨大的损失。
地区级供电企业负荷预测分析
０ 引言
预测 负荷 的 目的在于 提供 负荷 发展 及水 状况
平， 同时及 时 了解 各供 电 区 、 规 划 年供 用 电量 、 各 供用 电最 大 负荷 以及 规划 地 区总 的负荷 的发 展水 平， 确定各 规 划 年 用 电 负 荷 构成 。电 力 系统 随时 保 持 供需 平衡 是 电力 生 产 的要 求 ， 时还 要 向用 同
荷 发 展 曲 线 水 平 ， 以为 电 网 规 划 提 供 重 要 的 可
依据 。
２ ）有利 于促进 电 网的安 全 、 经济运 行 电网运行 ， 要体 现 在 运 行 方式 的安 排 和 事 主 故处 理 负荷 的平衡 上 。调度一 般在 编制 年度运 行 方式 时 ， 同用 电部 门对 年 度 用 电增 长情 况 进 行 会 分析 ， 再根 据 弹性 系数法 、 回归 系数 法 以及 对某 些 区域 主要 用户 调 查 了解 等 办 法 相 结合 ， 短 期 本 对 地 区的 电量 、 荷 增 长情 况 进 行 预测 。从 而 确 定 负 现有 电 网网架 结 构 下 的运 行 方 式 ， 出 电 网 的薄 提 弱环 节 ， 导 电 网短 期 的检修及 建设 计划 。 指 电网运行 方式 的合 理 性 ， 接 与 电 网安 全 稳 直 定运 行相 关 ， 网负 荷 的合 理分 布 同时 又是 电 网 电 设备 安全 运行 ， 济运 行 的基 础 。在 负荷 预 测 的 经
一
的分 配 和平衡 ， 理安 排好 上 网 电厂 的发 电曲线 ， 合
保 持 变 电所 的经济 安 全运行 。
电网运行中的数据融合与建模
电网运行中的数据融合与建模随着人们对能源的需求不断增加，电力行业变得越来越重要。
作为能源的主要来源之一，电力行业需要进行精细化管理和高效运行。
而在电网运行中，数据融合与建模则发挥着至关重要的作用。
一、电网运行中的数据融合在电力行业中，数据源头非常多，包括线路、变电站、发电机组等等。
这些数据的来源也较为分散，包括现场监测、各种设备等。
对于电网运行来说，最重要的是将这些数据进行有效融合，使其不断地反应线路和设备的运行状态，以及整个电网的运行情况。
在数据融合过程中，需要考虑各种因素。
首先是数据的准确性，只有准确的数据才能真正体现电网的运行情况。
其次是数据的实时性，电网的运行情况随时都在变化，要想对电网的运行状态进行精确的判断，就需要及时获得准确的数据。
此外，还需要考虑数据的多样性和差异化，不同的数据来源和设备可能会产生不同的数据，如何将这些数据进行有效整合，也是数据融合过程中需要解决的问题。
二、电网运行中的数据建模在数据融合的基础上，需要进行数据建模。
数据建模是将电网运行数据转化为可以表达电网运行状态的模型，利用这些模型来预测电网运行状态和进行运行控制。
数据建模分为静态建模和动态建模。
静态建模是通过对电网拓扑结构进行建模，来表达电网的基本信息和结构特征。
而动态建模则是基于融合后的实时数据进行的，包括电网运行状态、电网负荷等。
动态建模的主要目的是预测电网运行状态和寻找最佳控制策略，从而确保电网运行的高效稳定。
三、数据融合与建模的应用电网运行中的数据融合与建模应用非常广泛，包括电网短路保护、电网负荷预测、电网控制等等。
其中电网控制是应用最广泛的一项。
电网控制是通过对电网数据进行分析和处理，寻找最佳控制策略，从而满足电网的运行需求。
数据融合与建模在电网控制中应用非常广泛，例如针对电网短路进行自动切除和自动重合闸操作，利用负荷预测模型对电网负荷进行预测等等。
四、数据融合与建模的发展趋势随着电力行业的不断发展，数据融合与建模也在不断地进步。
负荷变化对电力系统规划的影响及对策
THANKS
谢谢您的观看
某地区冬季低谷负荷应对案例
总结词
优化调度、节能减排、储能技术
详细描述
在冬季低谷负荷期间，某地区电力系统出现了明显的电力过剩现象。为了充分利用现有 资源，调度部门优化了调度方式，采取了节能减排措施，同时引入储能技术进行调节。
这些措施有效地提高了电力系统的运行效率和经济效益。
某地区新能源接入应对案例
负荷变化的趋势预测
基于历史数据的统计分析
人工智能预测
通过对历史负荷数据的统计分析，预 测未来负荷变化趋势。
利用人工智能技术，如神经网络、支 持向量机等，对负荷变化进行预测。
数学模型预测
建立数学模型，对影响负荷变化的多 种因素进行综合分析，预测未来负荷 变化情况。
02
负荷变化对电力系统的影响
对电力系统稳定性的影响
负荷变化对电力系统规划的 影响及对策
汇报人： 2024-01-09
目录
• 负荷变化概述 • 负荷变化对电力系统的影响 • 应对负荷变化的策略与措施 • 负荷变化应对的案例分析
01
负荷变化概述
负荷变化的定义与分类
定义
负荷变化是指电力系统中用电负 荷随时间的变化情况。
分类
按照变化规律，负荷变化可分为 日负荷变化、周负荷变化、年负 荷变化等。
负荷变化的影响因素
经济社会发展
随着经济社会的快速发展，电力需求不断增 长，负荷呈现上升趋势。
气候条件
气温、湿度、降水等气候因素对空调、取暖 、农业等用电负荷有较大影响。
产业结构调整
不同产业对电力需求存在差异，产业结构的 变化会导致负荷变化。
节假日与作息时间
节假日和工作日的用电负荷存在明显差异， 同时早晚班制也会影响负荷变化。
供电监控系统对煤矿电力负荷特性的分析与建模
供电监控系统对煤矿电力负荷特性的分析与建模随着工业化进程的不断推进，煤矿在国家经济发展中起到了举足轻重的作用。
然而，由于煤矿生产过程中所需的大量电力消耗，煤矿电力负荷管理和控制成为一项重要任务。
为了实现有效的电力管理和安全生产，供电监控系统成为了煤矿中必不可少的一部分。
本文将通过分析和建模的方式，探讨供电监控系统对煤矿电力负荷特性的影响。
一、煤矿电力负荷特性的分析在研究煤矿电力负荷特性之前，我们首先需要了解电力负荷的相关概念。
电力负荷是指供电系统所承担的负荷总和，通常以电力需求的大小来衡量。
而煤矿电力负荷特性则是指煤矿生产过程中电力负荷的变化规律和特点。
为了分析煤矿电力负荷特性，我们可以采集实际煤矿的用电数据，并进行数据预处理和分析。
通过对电力负荷的波动情况、负荷峰值的出现时间、负荷曲线的波动频率等进行统计和分析，可以得到煤矿电力负荷的特性。
二、供电监控系统的功能和作用供电监控系统是针对煤矿电力供应过程中存在的问题和需求而设计的一种监控和管理系统。
该系统通过采集和监测煤矿的用电数据，并对其进行实时分析和处理，以实现电力负荷的合理调度和能源的有效利用。
供电监控系统在煤矿电力负荷管理中有着重要的功能和作用。
首先，供电监控系统可以实时监测煤矿的电力负荷情况，随时了解煤矿用电的情况，及时发现和解决用电异常问题，保障煤矿的正常生产和运行。
其次，供电监控系统可以对煤矿的电力负荷进行预测和分析，通过建立电力负荷模型，预测未来一定时期内的电力负荷变化趋势，为电力调度和能源供应提供参考。
另外，供电监控系统还可以通过对煤矿用电数据的分析和处理，找出用电过程中存在的能效低下和用电浪费问题，并提出相应的优化措施，实现能源的有效利用和节能减排的目标。
三、煤矿电力负荷特性的建模为了更好地了解和分析煤矿电力负荷特性，可以使用数学建模的方法，将电力负荷的变化过程进行模拟和描述。
建模过程需要考虑煤矿电力负荷的各个因素，如用电设备的规模、煤矿生产的时期和周期以及用电需求的特点等。
浅析负荷预测精度对电力系统经济运行的影响
浅析负荷预测精度对电力系统经济运行的影响【摘要】负荷预测精度对电力系统经济运行的影响至关重要，可以帮助电力公司优化发电计划和节约成本。
影响因素包括天气、用电行为等，精度低下可能导致发电不足或过剩，造成经济损失。
精度提高有助于提升运行效率、减少能源浪费。
通过案例分析可发现高精度负荷预测的潜在益处。
结论再次强调负荷预测精度对电力系统经济运行的重要性，未来应致力于提高预测精度，实现更加经济高效的电力系统运行。
【关键词】负荷预测精度、电力系统、经济运行、影响因素、精度低下、精度提高、益处、案例分析、未来发展、趋势、总结、重要性、研究意义、研究目的、背景介绍1. 引言1.1 背景介绍电力系统是现代社会的重要基础设施之一，负荷预测作为电力系统运行的关键环节，直接影响着电力系统的经济运行。
随着社会经济的发展和电力需求的增长，电力系统负荷预测的准确性和精度要求也越来越高。
负荷预测不仅关系着电力系统的安全稳定运行，也直接影响着电力资源的合理配置和经济运行效率。
随着电力系统的规模和复杂程度的增加，传统的负荷预测方法已经不能满足实际需求，因此需要不断提高负荷预测精度，以应对日益变化的负荷需求。
只有通过精准的负荷预测，电力系统才能实现资源的合理分配，减少浪费，提高运行效率，降低运行成本，从而实现经济运行的最佳化。
研究和分析负荷预测精度对电力系统经济运行的影响具有重要意义，可以为电力系统的运行管理提供有效的支持和指导，提高电力系统的运行效率和经济性。
1.2 研究意义研究意义是指研究对于学术界和实践界而言具有一定的理论与实践意义。
负荷预测精度对电力系统经济运行的影响是一个具有重要研究意义的问题。
负荷预测精度能够直接影响电力系统的运行效率和经济性。
准确的负荷预测可以帮助电力系统准确安排发电计划，避免因负荷波动带来的供需不平衡问题，从而降低电力系统的运行成本。
负荷预测精度还可以影响电力市场的竞争性。
在具有较高负荷预测精度的情况下，电力市场参与者能够更好地制定价格策略和运营计划，提高市场的效率和透明度，增强市场竞争力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第22卷第5期水利水电科技进展2002年10月
作者简介:金艳(1974—
),女,江苏盐城人,硕士研究生,主要从事电力系统负荷建模研究.地方电厂对区域负荷建模的影响
金 艳,鞠 平,吴 峰
(河海大学电气工程学院,江苏南京 210098)
摘要:针对区域负荷中含有地方自备发电厂,用通常的综合动态负荷模型有时无法准确描述负荷动
态行为,分析地方电厂对区域负荷动态行为的影响,并利用动态仿真模型讨论了需计及同步发电机影响时它在实际负荷中所占比例,最后提出在同步发电机比例大于一个临界值(约2819%)时,同步发电机对负荷建模的影响则不可不计;当小于此值时,可以采用综合负荷模型来描述实际负荷.关键词:电力系统;负荷特性;数字仿真;参数辨识;同步发电机中图分类号:T M62 文献标识码:A 文章编号:1006Ο7647(2002)05Ο0035Ο03 一些电网(如河南电网)中有较多的地方小电厂,因而在所要测辨的区域负荷特性中就包含了同步发电机的动态特性.当电厂的容量在实际负荷中所占比例较小时,同步发电机的影响可以忽略不计,可以用综合负荷模型(感应电动机加静态负荷)[1]来描述实际负荷;当电厂容量在实际负荷中所占比重较大时,同步发电机的影响则不可忽略,原有的综合负荷模型就不能准确地描述实际负荷的动态特性.本文分析同步发电机比例对综合负荷模型描述能力的影响
.
1 动态仿真系统
动态仿真模型为感应电动机与同步发电机组成的综合负荷,如图1所示.其中,感应电动机采用三阶机电暂态模型,同步发电机采用三阶机电暂态模型.
图1 动态仿真模型
1.1 模型结构
感应电动机的三阶机电暂态模型[2]
为
T ′d E ′d t =-E ′+CV cos δd δd t =(ω-ωs )-CV
T ′E ′sin δM d ωd t =-V E ′X ′sin δ-T m
(1)
其中
E ′=
E ′2
d +E ′2
q
δ=arctan (-E
′d
E ′q
)T ′=X ′
X T ′
0C =
X -X ′X
(2)
功率方程为
P m =-V E ′
X ′
sin δQ m
=
V (V -E ′cos δ
)X ′
(3)
式中:E ′d ,E ′q 分别为d 轴、q 轴的暂态电势;X ′,X 分别为暂态电抗、同步电抗;T ′0为暂态开路时间常数;ω为转子转速;M 为惯性时间常数;T m 为机械转矩;V ,ωs 分别为端电压及其频率;P m ,Q m 分别为感应电动机的有功功率及无功功率.
同步发电机的三阶机电暂态模型[2]为
d δd t
=ω-ωs , ωs =1M
d ωd t =P m 0-P i -
D d δ
d t T ′d
d E ′d t
=E ′f -E ′-CV cos (δ-θ)(4)
其中
E ′f =E ′f 0-K v (V -V 0)C =
X -X ′X
(5)
功率方程为
・
53・
P i=E′V
X′
sin(δ-θ)
Q i=E′V cos(δ-θ)-V2
X
′
(6)
式中:E′为暂态电抗后电势;E f为励磁电势;X,X′分别为定子电抗、暂态电抗;T′d为暂态闭路时间常数;δ为E′与参考轴的夹角;ω为转子转速;M为惯性时间常数;D为阻尼系数;P m0为机械功率;P i为电磁功率;V,θ分别为端电压及其相角;K v为电压反馈系数.则负荷母线功率方程为
P=P m+P i
Q=Q m+Q i
(7)式中:P为负荷母线有功功率;Q为负荷母线无功功率.
1.2 仿真算法
扰动(双回路切除一条线路)为012s时负荷母线电压下降10%左右,10s后故障切除.
计算程序采用中国电力科学研究院电力系统分析综合程序(PS ASP);潮流计算采用牛顿法;暂态稳定计算采用隐式积分法.辨识软件采用电力负荷建模系统(LOAD);综合负荷模型选择为三阶感应电动机模型加幂指数静态负荷模型;辨识方法为基因法[2].
在给定的电压干扰下,通过PS ASP仿真计算,获得负荷母线上的电压、频率、有功功率及无功功率等动态数据,以此作为电力负荷建模系统软件所需
要的测量数据.根据这些数据辨识综合负荷模型的等值参数,然后再计算综合负荷的动态响应,从而可以进行参数辨识结果的前后比较,以及动态响应结果与准确值的比较,其流程见图2.
图2 电力系统负荷建模系统流程
其中,同步机比例指同步发电机功率占负荷总功率的比值,同步机的初始比例取较小值.
2 结果及分析
逐步增加同步发电机的比例,分别得到不同比
例的辨识结果(表1)
和动态响应(图3和图4)
.
(a)同步发电机占
12%
(c)同步发电机占28%
(b)同步发电机占20%
(d)同步发电机占28.9%
图3 电动机模型动态响应
・
6
3
・
表1 同步发电机占不同比例时的综合负荷模型辨识结果
比例/%误差
γp γq
P j 0Q j 0p v q v p s 0q s 0M T ′β
C X ′X R r
12.00.0610.96100.030.0740.482.24-0.460.600-0.00017.280.9800.0032-0.2580.670.661.9720.00.308.62100.010.0460.432.77-0.300.530-0.00057.300.9900.0020-0.6200.780.492.2528.00.358.37100.020.0410.383.00-0.260.450-0.00026.301.0000.00300.5000.750.652.6028.90.4411.00100.020.0800.373.00-0.900.380-0.00027.300.9700.00200.3500.760.672.6429.00.4399.00213.200.460.790-1.000.005-0.42009.640.0071.50000.7200.750.732.5630.0
0.33
99.00207.300.450
0.76
-1.000.004-0.3900
9.97
0.006
0.5000
1.400
0.72
0.78
2.70
注:表中比例指同步发电机功率占负荷总功率的比值
.
(a )同步电动机占29
%
(b )同步发电机占30%
图4 发电机模型动态响应
可见,当同步发电机所占比例小于2819%时,辨
识曲线与仿真曲线拟合较好,主要参数辨识结果在此范围内相差不大;而在同步发电机所占比例大于2819%时,辨识曲线明显偏离仿真曲线,且辨识结果与同步发电机所占比例小于2819%时的辨识结果有较大变化,某些参数甚至有数量级上的变化,在这种情况下,区域负荷建模时需计及同步发电机.
3 结 语
本文分析了地方电厂对区域负荷建模的影响,由仿真计算可以得到同步发电机所占比例的临界值,当小于此值时,可以采用综合负荷模型来描述实际负荷;当大于此值时,同步发电机对负荷建模的影响则不可不计.而此时所带来的建模问题以及模型的可辨识性问题,需要进行更深入的研究.参考文献:
[1]鞠平,马大强.电力系统负荷建模[M].北京:水利电力出
版社,1995.
[2]鞠平.电力系统非线性辨识[M].南京:河海大学出版社,
1999.
(收稿日期:2001Ο10Ο22 编辑:张志琴)
(上接第34页)
缺点,因而在水文预报中不失为一种好的方法.
随着人们对神经网络研究的进一步深入,许多新的好的网络模型会不断涌现,将这些好的网络模型与实际的水文过程结合起来,使模型既具有方法的先进性又具有现实的可行性,仍将是一个值得深入研究的问题.参考文献:
[1]刘国东,丁晶.BP 网络用于水文预测的几个问题探讨
[J ].水利学报,1999(1):65～69.
[2]袁亚湘,孙文瑜.最优化理论与方法[M].北京:科学出版
社,1997.50～80.
[3]索胜军,孙光伟.几种改进BP 算法的性能比较[J ].哈尔
滨建筑大学学报,2000(1):80～83.
[4]阎平凡,张长水.人工神经网络与模拟进化计算[M].北
京:清华大学出版社,2000.40～56.
[5]闻新,周露.M AT LAB 神经网络应用设计[M].北京:科学
出版社,2000.207～260.
[6]林鲁生,李东.人工神经网络在水文预报应用中的探讨
[J ].广东水利水电,1999(6):12～14.
(收稿日期:2001Ο05Ο09 编辑:熊水斌
)
・
73・。